基于數(shù)據(jù)挖掘的短時(shí)交通流預(yù)測(cè)模型及應(yīng)用研究.pdf

1、實(shí)施交通誘導(dǎo)及控制的前提與關(guān)鍵是交通流的實(shí)時(shí)、有效預(yù)測(cè)，目前雖然交通流信息預(yù)測(cè)相關(guān)工作已經(jīng)取得了一些成效，但部分問(wèn)題仍待進(jìn)一步深入、全面地探討和研究。
　　 本論文以國(guó)家高技術(shù)研究發(fā)展計(jì)劃（863計(jì)劃）項(xiàng)目專題“空間數(shù)據(jù)挖掘的神經(jīng)網(wǎng)絡(luò)技術(shù)研究”（項(xiàng)目批準(zhǔn)號(hào):2007AA12Z228）為依托，圍繞交通流信息數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘、交通模型及其工程應(yīng)用等方面展開(kāi)研究。在采集獲取交通流信息數(shù)據(jù)基礎(chǔ)上，充分利用數(shù)據(jù)挖掘技術(shù)，構(gòu)建

2、了準(zhǔn)確可靠、方便適用的預(yù)測(cè)模型，并將其應(yīng)用于工程實(shí)踐，研究取得了一些成果，具有一定的理論意義和應(yīng)用價(jià)值。主要研究?jī)?nèi)容如下:
　　 首先，對(duì)交通流數(shù)據(jù)的質(zhì)量檢驗(yàn)進(jìn)行了研究和分析。從工程實(shí)際應(yīng)用的角度出發(fā)，對(duì)采集獲取的大量交通流信息數(shù)據(jù)進(jìn)行質(zhì)量分析，分析了交通流數(shù)據(jù)異常值產(chǎn)生的原因，深入解析冗余數(shù)據(jù)、缺失數(shù)據(jù)、異常數(shù)據(jù)對(duì)交通流數(shù)據(jù)應(yīng)用的不良影響。根據(jù)數(shù)據(jù)控制理論與方法，綜合運(yùn)用統(tǒng)計(jì)分析、閾值法，結(jié)合交通流理論及數(shù)據(jù)采集情況對(duì)數(shù)據(jù)進(jìn)行

3、獨(dú)立判斷、聯(lián)合判斷與系統(tǒng)判斷，構(gòu)建了交通流數(shù)據(jù)預(yù)處理流程，建立了有效的交通流數(shù)據(jù)質(zhì)量檢驗(yàn)與診斷控制系統(tǒng)，并編寫(xiě)出相應(yīng)的數(shù)據(jù)處理軟件，對(duì)冗余數(shù)據(jù)進(jìn)行刪除、對(duì)缺失數(shù)據(jù)進(jìn)行插補(bǔ)、對(duì)異常數(shù)據(jù)進(jìn)行修正，以確保數(shù)據(jù)的準(zhǔn)確性，為后續(xù)的預(yù)測(cè)模型研究奠定了良好的數(shù)據(jù)基礎(chǔ)。
　　 其次，對(duì)短時(shí)交通流預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了研究。綜合討論了數(shù)據(jù)挖掘的BP神經(jīng)網(wǎng)絡(luò)技術(shù)的優(yōu)點(diǎn)與現(xiàn)存的不足，針對(duì)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)存在的缺陷，采用附加因子的附加動(dòng)量方法和自動(dòng)調(diào)整學(xué)

4、習(xí)速率的自適應(yīng)學(xué)習(xí)速率法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行了改進(jìn)。深入研究了神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù)設(shè)置，在此基礎(chǔ)上編寫(xiě)出神經(jīng)網(wǎng)絡(luò)應(yīng)用軟件，并簡(jiǎn)要介紹了該軟件的使用方法。將多元線性回歸模型、改進(jìn)BP神經(jīng)網(wǎng)絡(luò)模型及兩者的組合模型應(yīng)用于短時(shí)交通流預(yù)測(cè)實(shí)例，并且提出了用原始數(shù)據(jù)減去均值后所得差值作為輸入層元素?cái)?shù)據(jù)。經(jīng)過(guò)改進(jìn)后的數(shù)據(jù)輸入模式，多元線性回歸模型、BP神經(jīng)網(wǎng)絡(luò)模型及兩者形成的組合模型等三種模型都較先前原始數(shù)據(jù)直接作為輸入?yún)?shù)的方法效果好，為短時(shí)交通

5、流量預(yù)測(cè)提供了新的思路和途徑。
　　 再次，對(duì)短時(shí)交通流預(yù)測(cè)的投影尋蹤模型進(jìn)行了研究。系統(tǒng)地介紹了在預(yù)測(cè)領(lǐng)域取得較好效果的投影尋蹤技術(shù)，詳細(xì)討論了軟件的技術(shù)路線和設(shè)計(jì)流程，利用計(jì)算機(jī)編程技術(shù)將該算法實(shí)現(xiàn)，并簡(jiǎn)單介紹了該軟件的使用方法;綜合利用投影尋蹤技術(shù)和神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，提出了運(yùn)用神經(jīng)網(wǎng)絡(luò)和投影尋蹤技術(shù)相結(jié)合的方法，建立了組合模型應(yīng)用于路段短時(shí)交通量的實(shí)時(shí)預(yù)測(cè)模型，并且選用實(shí)測(cè)所獲交通流數(shù)據(jù)進(jìn)行實(shí)驗(yàn)驗(yàn)證，預(yù)測(cè)結(jié)果顯示:“投影尋蹤

6、+神經(jīng)網(wǎng)絡(luò)”組合模型較單一的投影尋蹤方法、BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)精度都要高，預(yù)測(cè)效果令人滿意，具有一定的實(shí)用性和可行性。
　　 最后，對(duì)交通暢通狀態(tài)評(píng)價(jià)模型及其應(yīng)用進(jìn)行了研究。在已有研究成果的基礎(chǔ)上，探討了道路暢通程度的模糊評(píng)估這一課題，提出了修正改進(jìn)的模糊綜合評(píng)價(jià)模型。在修正模型中，簡(jiǎn)化對(duì)暢通度的隸屬函數(shù)描述，將暢通度作為一個(gè)模糊事件，采用簡(jiǎn)單的線性函數(shù)描述從“不暢通”狀態(tài)過(guò)渡到“非常暢通”狀態(tài)，使暢通度與道路暢通概率之間為一一